[发明专利]基于时空复杂性度量及局部预测残差分布的HEVC双压缩视频检测方法

说明书

本发明公开了一种基于时空复杂性度量及局部预测残差分布的HEVC双压缩视频检测方法，包括如下步骤：将输入视频解压缩为帧序列，计算每帧的关键点并对相邻两帧进行关键点匹配；对每个视频帧的关键点，计算以关键点为中心的局部区域时空复杂性度量；根据时空复杂性度量对关键点进行排序，并剔除具有空间聚合关系的关键点；对每帧剩下的关键点作后续处理，构建输入视频的特征序列；最后，将特征序列划分为不重叠的子序列，将子序列输入完成训练的多层感知机分类器并作后续处理，以所得输入视频输出分数是否大于阈值作为是否为HEVC双压缩视频的判定。本发明的检测方法能够对多样的视频内容以及编码参数设置具有良好的检测鲁棒性。

技术领域

本发明涉及视频重压缩检测方法技术领域，具体地，涉及一种基于时空复杂性度量及局部预测残差分布的HEVC双压缩视频检测方法。

背景技术

随着信息技术的快速发展，数字视频等多媒体信息载体已经在人们日常生活中得到广泛应用，包括新闻，医疗和教育等领域。然而，越来越多技术成熟获取简单的视频编辑软件使得用户能够轻易的对视频内容进行修改，并且不留下肉眼可感知的痕迹。如果经过恶意篡改的数字视频被违法使用将对社会造成巨大经济损失和严重安全隐患，例如将篡改视频用于伪造司法电子证据。一般来说，生成篡改视频至少需要经历“解压缩-篡改-重压缩”三个步骤。因此，篡改视频一般为双压缩视频。对数字视频进行双压缩检测可以看作是视频被动取证的第一步。近年来，视频双压缩检测方法已经受到了国内外学者的重视。

现有的视频双压缩检测方法根据视频在第一次和第二次压缩过程中采用的GOP结构是否相同可以分为GOP结构对齐的双压缩检测和GOP结构错位的双压缩检测两类。GOP结构对齐的双压缩检测方法一般利用帧内编码过程中两次有损量化对DCT系数统计特性所造成的干扰进行检测。而对于GOP结构错位的双压缩检测算法，研究者会提取输入视频的特征序列。特征序列能够反映双压缩视频中周期性出现的异常帧，即第一次为帧内编码而第二次为帧间编码的帧。在与本发明方案相关的GOP结构错位的双压缩视频检测算法方面，专利名称为“视频分类特征提取方法、转码重压缩检测方法及存储介质”的专利文献(申请号：CN201810144370；公开号为CN108366295A)提出了基于帧间编码帧中不同PU划分类型数量统计特性的HEVC重压缩检测方法。该技术方案的主要缺陷是：仅考虑GOP结构中第一个P帧的信息，对于具有较强内容变化的重压缩视频检测性能下降。专利名称为“基于预测残差异常模式的视频双重压缩检测方法”的专利文献(申请号：CN201610652449；公开号为CN106303524A)，提出了利用相邻两帧预测残差分布差异性的重压缩检测方法。该技术方案的主要缺陷是：要求输入视频采用固定GOP结构进行压缩，无法对采用自适应GOP结构或不同GOP结构拼接的双压缩视频提供可靠检测。针对上述专利的局限性，本发明方法采用时空复杂性度量选取具有显著异常编码痕迹的区域进行特征提取。利用局部预测残差分布结合多层感知机完成检测，对实际取证场景中复杂的双压缩过程能够提供可靠检测，例如自适应GOP结构的重压缩视频。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于时空复杂性度量及局部预测残差分布的HEVC双压缩视频检测方法。

基于时空复杂性度量及局部预测残差分布的HEVC双压缩视频检测方法，包括如下步骤：

步骤1：将输入视频解压缩为帧序列，计算每帧的关键点并对相邻两帧进行关键点匹配；

步骤2：对每个视频帧的关键点，计算以关键点为中心的局部区域时空复杂性度量；

步骤3：根据时空复杂性度量对关键点进行排序，并剔除具有空间聚合关系的关键点；

步骤4：对每帧剩下的关键点，统计以关键点为中心的局部区域的预测残差强度直方图。计算每帧与其相邻帧匹配关键点对应直方图的杰森香农散度，构建输入视频的特征序列。